Python绘制数据（二）

一、模拟掷一个骰子

1、什么是Plotly

Plotly 是一个强大的数据可视化工具，主要能干以下几件事：

• 创建多种图表：支持丰富的图表类型，包括折线图、柱状图、散点图等基础图表，也能绘制等高线图、热力图、箱线图等复杂图表，还可制作地图、散点地图等地理可视化图表以及 3D 图表，满足不同数据展示需求。
• 实现交互操作：生成的图表具有高度交互性，用户可通过鼠标悬停查看数值和标签，能进行缩放、平移操作来查看细节，还可点击图例动态显示或隐藏数据系列，三维图表还能进行旋转，方便深入探索数据。
• 高度自定义样式：允许用户对图表的标题、坐标轴标签、刻度、网格线等基本元素，以及数据点的标记样式、线条样式、填充颜色等进行自定义，对于地图和 3D 图表，还能设置投影方式、视角、光照效果等，打造个性化图表。
• 集成与分享：可与 Jupyter Notebook 集成，便于在数据分析过程中直接可视化。借助 Dash 框架能创建 Web 应用，用于构建数据可视化仪表盘。生成的图表可导出为 HTML 文件，也能保存为高清 PNG、SVG 等图片格式，方便分享和嵌入到其他文档或网页中。
• 实时数据可视化：通过更新数据源，能够实现实时更新图表，适用于实时监控等场景，如实时股票价格监控、服务器性能监控等。

2、安装Plotly

file->settings->Project:xxx->Python Interpreter->点击+->输入Plotly安装即可。

3、编写骰子类

from random import randint

class Die:
    """表示一个骰子的类"""
    
    def __init__(self, sides = 6):
        """初始化骰子的属性
        sides: 骰子的面数，默认为6面
        """
        self.sides = sides  # 存储骰子的面数

    def roll(self):
        """模拟掷骰子，返回一个1到sides之间的随机整数"""
        return randint(1, self.sides)  # 使用randint生成随机数

4、编写掷骰子的类

from plotly.graph_objs import Layout, Bar
from plotly import offline
from Die import Die  # 导入自定义的骰子类

# 创建一个六面骰子实例
die = Die()

# 掷骰子100次并存储结果
results = []
for roll_num in range(100):
    results.append(die.roll())  # 调用Die类的roll方法获取随机结果
print(results)  # 打印所有掷骰子的结果

# 分析结果：统计每个点数出现的频率
frequencies = []
for value in range(1, die.sides + 1):  # 遍历1到骰子面数的所有可能值
    frequency = results.count(value)  # 统计每个值在结果中出现的次数
    frequencies.append(frequency)  # 将频率添加到列表
print(frequencies)  # 打印频率统计结果

# 数据可视化：使用Plotly创建柱状图
x_values = list(range(1, die.sides + 1))  # x轴为骰子的各个面
data = [Bar(x=x_values, y=frequencies)]  # 创建柱状图数据对象

# 配置坐标轴
x_axis_config = {'title': '骰子点数'}  # x轴标题
y_axis_config = {'title': '出现频率'}  # y轴标题

# 设置图表布局
my_layout = Layout(
    title='投掷一个D6骰子100次的结果分布',  # 图表标题
    xaxis=x_axis_config,  # 应用x轴配置
    yaxis=y_axis_config   # 应用y轴配置
)

# 生成HTML文件并打开浏览器显示图表
# 注意：此处路径中的转义字符需要使用双反斜杠或原始字符串
offline.plot(
    {'data': data, 'layout': my_layout},
    filename=r'D:\py_projects\test1\die_visual.html'  # 保存为HTML文件
)

代码解释：

1. 导入必要的库和模块

from plotly.graph_objs import Layout, Bar
from plotly import offline
from Die import Die  # 导入自定义的骰子类

• Layout 和 Bar 是 Plotly 中用于创建图表布局和柱状图的类。
• offline 模块允许在本地生成 HTML 文件来显示图表，无需连接网络。
• Die 是一个自定义类，用于模拟骰子。

2. 创建骰子实例并掷骰子

# 创建一个六面骰子实例
die = Die()

# 掷骰子100次并存储结果
results = []
for roll_num in range(100):
    results.append(die.roll())  # 调用Die类的roll方法获取随机结果
print(results)  # 打印所有掷骰子的结果

• die = Die() 创建一个默认的六面骰子。
• 通过循环 100 次调用 die.roll() 方法模拟掷骰子，并将每次结果存储在 results 列表中。
• 最后打印出所有 100 次掷骰子的结果。

3. 分析结果：统计每个点数出现的频率

# 分析结果：统计每个点数出现的频率
frequencies = []
for value in range(1, die.sides + 1):  # 遍历1到骰子面数的所有可能值
    frequency = results.count(value)  # 统计每个值在结果中出现的次数
    frequencies.append(frequency)  # 将频率添加到列表
print(frequencies)  # 打印频率统计结果

• frequencies 列表用于存储每个点数出现的次数。
• range(1, die.sides + 1) 生成从 1 到 6 的整数（假设是六面骰子）。
• results.count(value) 统计每个点数在 results 列表中出现的次数，并将结果添加到 frequencies 列表。
• 最后打印出每个点数的出现频率。

4. 数据可视化：创建柱状图

# 数据可视化：使用Plotly创建柱状图
x_values = list(range(1, die.sides + 1))  # x轴为骰子的各个面
data = [Bar(x=x_values, y=frequencies)]  # 创建柱状图数据对象

• x_values 是一个包含 1 到 6 的列表，表示骰子的六个面。
• Bar 对象创建一个柱状图，其中 x 轴为骰子的各个面，y 轴为对应的出现频率。
• data 列表包含这个 Bar 对象，用于后续的图表创建。

5. 配置图表布局

# 配置坐标轴
x_axis_config = {'title': '骰子点数'}  # x轴标题
y_axis_config = {'title': '出现频率'}  # y轴标题

# 设置图表布局
my_layout = Layout(
    title='投掷一个D6骰子100次的结果分布',  # 图表标题
    xaxis=x_axis_config,  # 应用x轴配置
    yaxis=y_axis_config   # 应用y轴配置
)

• x_axis_config 和 y_axis_config 分别设置 x 轴和 y 轴的标题。
• Layout 对象定义了整个图表的布局，包括标题和坐标轴配置。

6. 生成 HTML 文件并显示图表

# 生成HTML文件并打开浏览器显示图表
# 注意：此处路径中的转义字符需要使用双反斜杠或原始字符串
offline.plot(
    {'data': data, 'layout': my_layout},
    filename='D:\\py_projects\\test1\\die_visual.html'  # 保存为HTML文件
)

• offline.plot() 方法将数据和布局组合成一个完整的图表，并生成一个 HTML 文件。
• filename 参数指定了 HTML 文件的保存路径，使用原始字符串（前面加 r）避免反斜杠转义问题。
• 运行代码后，会自动在浏览器中打开生成的 HTML 文件，显示柱状图。

二、模拟掷两个骰子

from plotly.graph_objs import Layout, Bar
from plotly import offline
from Die import Die

# 创建两个六面骰子实例（D6）
die1 = Die()
die2 = Die()

# 掷骰子多次并将每次结果存储到列表中
results = []
for roll_num in range(1000):  # 增加投掷次数以获得更平滑的分布
    result = die1.roll() + die2.roll()  # 计算两个骰子的点数之和
    results.append(result)

# 分析结果：统计每个可能的点数之和出现的频率
frequencies = []
max_value = die1.sides + die2.sides  # 最大可能值为两个骰子面数之和（6+6=12）

# 注意：两个骰子的最小和为2（1+1），因此从2开始循环
for value in range(2, max_value + 1):
    frequency = results.count(value)  # 统计每个和值出现的次数
    frequencies.append(frequency)

# 数据可视化：使用Plotly创建柱状图
x_values = list(range(2, max_value + 1))  # x轴为所有可能的和值（2到12）
data = [Bar(x=x_values, y=frequencies)]  # 创建柱状图数据

# 配置图表布局和坐标轴
x_axis_config = {
    'title': '两个骰子的点数之和',  # x轴标题
    'dtick': 1  # 设置x轴刻度间隔为1，确保每个和值都显示
}

y_axis_config = {
    'title': '出现频率'  # y轴标题
}

my_layout = Layout(
    title='掷两个六面骰子1000次的结果分布',  # 图表标题
    xaxis=x_axis_config,  # 应用x轴配置
    yaxis=y_axis_config   # 应用y轴配置
)

# 生成HTML文件并在浏览器中显示图表
offline.plot(
    {'data': data, 'layout': my_layout},
    filename=r'D:\py_projects\test1\two_dice_visualization.html'  # 保存路径
)

三、读取csv文件数据绘制数据图

1、打印头文件及其位置

import csv

# 指定CSV文件路径
fileName = 'D:\\py_projects\\data\\sitka_weather_07-2018_simple.csv'

# 打开CSV文件
with open(fileName) as csvfile:
    # 创建CSV阅读器对象
    reader = csv.reader(csvfile)

    head_row = next(reader)

    for index,row in enumerate(head_row):
        print(index,row)

代码解释：

1. 导入 CSV 模块

import csv

• 作用：导入 Python 内置的csv模块，用于处理 CSV（逗号分隔值）格式文件
• CSV 模块提供了读取和写入 CSV 文件的功能

2. 指定 CSV 文件路径

fileName = 'D:\\py_projects\\data\\sitka_weather_07-2018_simple.csv'

• 作用：定义要读取的 CSV 文件的路径
• 路径使用双反斜杠\\是为了转义特殊字符，确保路径正确解析
• 示例文件是一个天气数据文件（可能包含日期、温度等信息）

3. 打开并读取 CSV 文件

with open(fileName) as csvfile:
    reader = csv.reader(csvfile)

• with open(fileName) as csvfile：使用with语句打开文件，自动管理文件资源（无需手动关闭）
• csv.reader(csvfile)：创建一个 CSV 阅读器对象，用于逐行读取文件内容
• 默认情况下，csv.reader会将每行数据按逗号分隔并转换为列表

4. 获取表头行

head_row = next(reader)

• next(reader)：获取迭代器的下一行数据（即第一行）
• 通常 CSV 文件的第一行是表头，包含列名信息
• 执行这一步后，阅读器的指针会移到第二行，后续读取将从第二行开始

5. 打印表头信息

for index, row in enumerate(head_row):
    print(index, row)

• enumerate(head_row)：将表头列表转换为带索引的枚举对象
• index：列的索引（从 0 开始）
• row：列名（表头内容）

2、读取csv数据

import csv

# 指定CSV文件路径
fileName = 'D:\\py_projects\\data\\sitka_weather_07-2018_simple.csv'

# 打开CSV文件
with open(fileName) as csvfile:
    # 创建CSV阅读器对象
    reader = csv.reader(csvfile)

    # 读取并存储文件头行（列名）
    header_row = next(reader)

    # 初始化最高温度列表
    highs = []

    # 遍历文件中剩余的每一行数据
    for row in reader:
        # 提取并转换最高温度数据（假设在第6列，索引为5）
        high = int(row[5])
        # 将转换后的温度添加到列表中
        highs.append(high)

# 打印提取的最高温度列表
print(highs)

代码解释：

1. 准备一个空列表，用来装最高温度

highs = []

• highs = []：就像准备一个空篮子，后面要把每天的最高温度 "放进去"。其存储的数据类型为列表

2. 一行一行地读表格，提取最高温度

for row in reader:
    print(row)
    high = int(row[5])
    highs.append(high)

• for row in reader：让阅读器逐行读取表格的剩余内容（从第二行开始）。
• print(row) ：每读一行，就把这行内容打印出来看看（比如 ['2018-07-01', '16.7', '10.0']）。这里输出的是元组
• row[5] ：从当前行中取出第 6 个数据（比如 '16.7'）。
  • 为什么是 5？ 因为列表索引从 0 开始，所以第 6 个元素的索引是 5。
• int(row[5]) ：把温度从文本（比如 '16.7'）变成数字（比如 16）。
• highs.append(high) ：把转换后的温度数字放进篮子（highs 列表）里。

3、绘制温服图表

import csv
import matplotlib.pyplot as plt

# 指定CSV文件路径
fileName = 'D:\\py_projects\\data\\sitka_weather_07-2018_simple.csv'

# 打开CSV文件
with open(fileName) as csvfile:
    # 创建CSV阅读器对象
    reader = csv.reader(csvfile)

    head_row = next(reader)

    highs = []

    for row in reader:
        highs.append(int(row[5]))

#绘制表格
plt.style.use('ggplot')  #设置图表风格为 "ggplot"
fig, ax = plt.subplots()
ax.plot(highs)
#设置表格样式
ax.set_title('The highest temperature for each month in 2018',fontsize=11)
ax.set_xlabel('',fontsize=11)
ax.set_ylabel('temperature F',fontsize=11)
ax.tick_params(axis='both', which='major', labelsize=10)
plt.show() #显示绘制好的图表窗口。

代码解释：

1、创建图表与坐标轴

fig, ax = plt.subplots()

• plt.subplots()：创建一个图表 (figure) 和一个子图 (axes) 对象。
  • fig：表示整个图表窗口。
  • ax：表示实际的绘图区域（坐标系）。

2、绘制折线图

ax.plot(highs)

• ax.plot(highs)：在坐标系上绘制折线图。
  • X 轴：默认是数据点的索引（0-11，对应 1-12 月）。
  • Y 轴：highs列表中的值（最高气温）。

3、设置图表标题和坐标轴标签

ax.set_title('The highest temperature for each month in 2018', fontsize=11)
ax.set_xlabel('', fontsize=11)
ax.set_ylabel('temperature F', fontsize=11)

1. 标题设置：

   • ax.set_title()：设置图表标题为 "The highest temperature for each month in 2018"（2018 年每月最高气温）。
   • fontsize=11：标题文字大小为 11pt。

2. X 轴标签：

   • ax.set_xlabel('')：X 轴标签为空字符串（可能后续会补充月份信息）。

3. Y 轴标签：

   • ax.set_ylabel('temperature F')：Y 轴标签为 "temperature F"（华氏温度）。

4、设置刻度标签大小

ax.tick_params(axis='both', which='major', labelsize=10)

• ax.tick_params()：设置坐标轴刻度的样式。
  • axis='both'：同时设置 X 轴和 Y 轴。
  • which='major'：只设置主刻度（默认每个月一个刻度）。
  • labelsize=10：刻度标签文字大小为 10pt。

4、在图表中添加时间

import csv
import matplotlib.pyplot as plt
from datetime import datetime

# 指定CSV文件路径（包含2018年7月天气数据）
fileName = 'D:\\py_projects\\data\\sitka_weather_07-2018_simple.csv'

with open(fileName) as csvfile:
    reader = csv.reader(csvfile)
    head_row = next(reader)  # 获取表头行
    
    # 创建空列表存储最高温度和日期
    highs, dates = [], []
    
    # 遍历CSV文件的每一行数据
    for row in reader:
        # 获取最高温度列（索引5），转换为整数并添加到列表
        highs.append(int(row[5]))
        
        # 日期处理：
        # 1. 从第3列(row[2])获取原始日期字符串（格式：YYYY-MM-DD）
        # 2. 使用datetime.strptime()将字符串解析为datetime对象
        #    - '%Y-%m-%d' 是日期格式指令，对应年-月-日
        current_date = datetime.strptime(row[2], '%Y-%m-%d')
        dates.append(current_date)  # 将datetime对象存入列表

# 绘制温度随日期变化的折线图
plt.style.use('ggplot')  # 设置图表风格为 "ggplot"（类似R语言的风格）
fig, ax = plt.subplots()  # 创建图表和坐标轴对象

# 绘制折线图：
# - X轴：日期列表（datetime对象）
# - Y轴：最高温度列表
# - c='red'：设置线条颜色为红色
ax.plot(dates, highs, c='red')

# 设置图表标题和样式
ax.set_title('The highest temperature for each month in 2018', fontsize=11)

# 自动格式化X轴日期标签：
# - 旋转日期标签避免重叠
# - 智能选择日期显示格式（如只显示月份、日等）
fig.autofmt_xdate()

ax.set_xlabel('', fontsize=11)  # X轴标签（为空，可根据需要添加）
ax.set_ylabel('temperature F', fontsize=11)  # Y轴标签（温度单位：华氏度）
ax.tick_params(axis='both', which='major', labelsize=10)  # 设置刻度标签大小

plt.show()  # 显示绘制好的图表窗口

5、绘制一整年的气温变化图表

只需要将文件变为

fileName = 'D:\\py_projects\\data\\sitka_weather_2018_simple.csv'

6、添加最低温度

import csv
import matplotlib.pyplot as plt
from datetime import datetime

fileName = 'D:\\py_projects\\data\\sitka_weather_2018_simple.csv'

with open(fileName) as csvfile:
    reader = csv.reader(csvfile)

    head_row = next(reader)

    lows,highs,dates = [],[] ,[]  #获取最高温度,最低温度和时间

    for row in reader:
        lows.append(float(row[6]))
        highs.append(int(row[5]))
        current_date = datetime.strptime(row[2], '%Y-%m-%d')
        dates.append(current_date)

#绘制表格
plt.style.use('ggplot')
fig, ax = plt.subplots()
ax.plot(dates,highs,c = 'red')  #绘制最高温度曲线
ax.plot(dates,lows,c = 'blue') #绘制最低温度曲线
#设置表格样式
ax.set_title('The highest temperature for each month in 2018',fontsize=11)
fig.autofmt_xdate()
ax.set_xlabel('',fontsize=11)
ax.set_ylabel('temperature F',fontsize=11)
ax.tick_params(axis='both', which='major', labelsize=10)
plt.show()

7、给图表区域着色

import csv
import matplotlib.pyplot as plt
from datetime import datetime

fileName = 'D:\\py_projects\\data\\sitka_weather_2018_simple.csv'

with open(fileName) as csvfile:
    reader = csv.reader(csvfile)

    head_row = next(reader)

    lows,highs,dates = [],[] ,[]  #获取最高温度,最低温度和时间

    for row in reader:
        lows.append(float(row[6]))
        highs.append(int(row[5]))
        current_date = datetime.strptime(row[2], '%Y-%m-%d')
        dates.append(current_date)

#绘制表格
plt.style.use('ggplot')
fig, ax = plt.subplots()
# 绘制最高温度曲线
# - dates: X轴数据（日期列表）
# - highs: Y轴数据（最高温度列表）
# - c='red': 曲线颜色为红色
# - alpha=0.5: 曲线透明度为50%（使曲线半透明，便于查看重叠区域）
ax.plot(dates, highs, c='red', alpha=0.5)  

# 绘制最低温度曲线
# - dates: X轴数据（与最高温度使用相同的日期）
# - lows: Y轴数据（最低温度列表）
# - c='blue': 曲线颜色为蓝色
# - alpha=0.5: 曲线透明度为50%
ax.plot(dates, lows, c='blue', alpha=0.5)  

# 填充最高温度和最低温度之间的区域
# - dates: X轴数据（日期）
# - highs: 上边界（最高温度）
# - lows: 下边界（最低温度）
# - facecolor='blue': 填充颜色为蓝色
# - alpha=0.1: 填充区域透明度为10%（几乎透明，仅作视觉区分）
ax.fill_between(dates, highs, lows, facecolor='blue', alpha=0.1)  
#设置表格样式
ax.set_title('The highest temperature for each month in 2018',fontsize=11)
fig.autofmt_xdate()
ax.set_xlabel('',fontsize=11)
ax.set_ylabel('temperature F',fontsize=11)
ax.tick_params(axis='both', which='major', labelsize=10)
plt.show()